机器学习西瓜书第七章贝叶斯分类器笔记
1、贝叶斯决策理论（Bayesiandecisiontheory）是概率框架下实施决策的基本方法。2、欲使用贝叶斯判定准则来最小化决策风险，首先要获得后验概率P。3、极大似然估计（MaximumLikelihoodEstimation，简称MLE）是根据数据采样来估计概率分布参数的经典算法。
机器学习西瓜书第六章支持向量机笔记
1、支持向量（support vector）:就是距离超平面最近的几个训练样本点使得满足某方程式的成立。个人理解就是超平面一侧的点（距离最近）与超平面另外一侧的点（距离最近）其绝对值是相等的。而这个方程式有两个关键量：w=（w1,w2..）法向量、b位移项。2、二次规划（Quadratic Programming，简称QP）是一类典型的优化问题，包括凸二次优化和非凸二次优化。在此类问题中，目标函数
DBSCAN基于密度的聚类算法
DBSCAN(DensityBasedSpatialClusteringofApplicationswithNoise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。